人工智能预训练进步禁止只记在模型上。2026年数据贡献必须单独记账。数据清洗禁止当边角料。模型改进禁止只按同算力更省来核，必须报它让多大规模能跑。不准把六年进步写成全是架构的功劳。现场把「差不多」当验收的方案，一律按事故处理，不能进周报。

人工智能账本痛点在把「配方更新了」写成「数据不值钱」

公开配方和公开语料可以按年配对、在同一算力预算下对照。终点能力不是拿固定文本上的交叉熵，因为语料本身在变，要用一组相对简单的下游题来比。建设者该把「数据和模型分列」写成硬规格。管训练的人，该拒收只报架构、不报语料版本的进度表。

两处只有对着增益倍数才清楚。其一，从二零一九到二零二五，在大约一万亿亿次运算这一档，数据侧算力效率大约十二倍，模型侧大约三点七倍，数据大约是模型的三点二四倍。两者大体可加，八成以上的分数方差能用「模型效应加数据效应」解释，交互不大。数据从少量高赞网页去重，变成整网抓取再加分类器筛选「什么文本真能把分拉上去」。模型从早期解码器走到新归一、新位置编码、新激活和新初始化。其二，把模型说成不重要是错的。它的主贡献常常不是同一算力下更省，而是让参数量、上下文、训练时长和集群规模先跑得起来：梯度不再炸、显存带宽够用、训练不会慢到没法做。稀疏专家、稳定化、内核级加速都属于「把约束往后推」。小模型容量紧，精选很值钱；大模型容量过剩，过滤太狠反而要多轮重训，往往不如更大、平均质量略低的集合。帆船要精选货物，集装箱船先装得下、别翻。合成数据有没有把墙往后推，这次对照没测，但这是数据墙能不能越过的关键问。

操作上再钉三件事。第一，周报必须分列数据增益和模型增益，混报作废。第二，模型改进必须同时报「让多大规模能稳定跑」。第三，合成数据必须对照多轮重训，不能口头越过数据墙。建设者该把「本周有几次只把进步记在模型上」写进例会。管研究的人，该拒收没有语料版本号的预训练报告。

人工智能分列闸2026五步：禁只记模型、数据必须单列、模型报可跑规模、禁小模型外推、合成数据要对照

1. 预训练进步禁止只记在模型上。只报架构，方案作废。
2. 数据清洗禁止当边角料。算力效率账不列数据，方案作废。
3. 模型改进禁止只按同算力更省来核。不报可跑规模，方案作废。
4. 小模型精选数据禁止外推到大船。过剩容量下仍按帆船精选，方案作废。
5. 合成数据禁止当已经越过数据墙。不对照多轮重训，方案作废。

上表对应「数据贡献必须单独记账」。分列的价值是让「全是模型」进事故表，不是贬低架构。

现场还要防口号替换验收。把「我们知道数据重要」写成周报，不等于账上还只有架构。若只能改一处：先把数据增益写成单独一列。

结论：人工智能预训练要以数据和模型分列为准，不要把进步写成全是配方

货物和船是两笔账。仍拿架构交差，训练评审会先拒绝你。

你下次报预训练，先写出数据倍数、模型可跑规模、合成数据对照了没；三格空着，已经更强四字先不要进材料。

现场还要防口号替换验收。把「已经拆了数据和模型、已经懂算力会贵、已经不把智力和权力混谈、已经给系统留了股份、已经把实验单独记账」写成周报，不等于数据贡献进了账、租金情景写了、权力来源写清了、合同里有它的利益、实验串行有配额。周报可以写，门禁必须绑在对照表和分列指标上。缺对照表的方案，一律按未完成处理，不能进月报。

若只能改一处：先把「模型更聪明就算全部进步」从唯一成功标准里拿掉。演示可以记，数据没单列、算力按永远便宜、智力当权力、只靠它爱人类、自我改进只按思考五件跟不上就算事故。事故要写负责人、复验日期和作废条件，不许用「下期优化」搪塞。

落地时把指标钉在周会上：数据贡献有没有单独报、算力租金有没有涨价情景、智力和权力有没有拆开、法律里有没有股份、实验串行有没有记账。哪一格空着，哪一项不准对外说已经上线。空格超过两周仍空，项目暂停扩面。

现场还要防口号替换验收。把「已经拆了数据和模型、已经懂算力会贵、已经不把智力和权力混谈、已经给系统留了股份、已经把实验单独记账」写成周报，不等于数据贡献进了账、租金情景写了、权力来源写清了、合同里有它的利益、实验串行有配额。周报可以写，门禁必须绑在对照表和分列指标上。缺对照表的方案，一律按未完成处理，不能进月报。

若只能改一处：先把「模型更聪明就算全部进步」从唯一成功标准里拿掉。演示可以记，数据没单列、算力按永远便宜、智力当权力、只靠它爱人类、自我改进只按思考五件跟不上就算事故。事故要写负责人、复验日期和作废条件，不许用「下期优化」搪塞。

落地时把指标钉在周会上：数据贡献有没有单独报、算力租金有没有涨价情景、智力和权力有没有拆开、法律里有没有股份、实验串行有没有记账。哪一格空着，哪一项不准对外说已经上线。空格超过两周仍空，项目暂停扩面。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源